GPT-5.3-Codex-Spark è un modello di OpenAI pensato per la codifica in tempo reale: di dimensioni ridotte, ottimizzato per l'inferenza veloce e per il lavoro interattivo, in cui la latenza conta quanto l'intelligenza. È stato presentato il 12 febbraio 2026 come anteprima di ricerca, ed è la prima uscita della collaborazione tra OpenAI e Cerebras, come racconta lo stesso annuncio di Cerebras. Per chi sviluppa, la promessa è lavorare con il modello senza aspettare: interromperlo, correggere la rotta mentre procede, ottenere risposte quasi istantanee.

Per che cosa è stato progettato

Codex-Spark nasce per il lavoro interattivo. Si collabora con il modello in tempo reale, interrompendolo o riorientandolo mentre lavora. Grazie alla velocità, mantiene di default uno stile di lavoro leggero: apporta modifiche mirate e non esegue automaticamente i test, a meno che non gli si chieda di farlo.

È una scelta di design coerente con l'obiettivo. Un modello che a ogni richiesta lancia una suite di test e riscrive mezzo file rallenta proprio il ciclo che Spark vuole accelerare. Se serve la verifica, la si chiede esplicitamente: il modello fa la modifica piccola e subito, e la responsabilità di controllare resta a chi sviluppa.

Velocità e hardware

La velocità è il dato centrale: il modello supera i 1000 token al secondo, e per ottenerla gira sull'hardware Cerebras Wafer-Scale Engine. Sachin Katti, responsabile del calcolo industriale di OpenAI, ha dichiarato che Cerebras è stato un grande partner ingegneristico e che l'azienda è entusiasta di aggiungere l'inferenza veloce come nuova capacità della piattaforma.

Per capire che cosa significhi in pratica, una lettura plausibile è questa: a quella velocità qualche decina di righe di codice compaiono in una frazione di secondo, e l'attesa smette di condizionare il modo di lavorare. Si prova più spesso, si corregge subito, si procede per tentativi brevi invece che per richieste lunghe e ben ponderate. È coerente con l'impostazione di OpenAI, che parla di lavoro interattivo e non di esecuzione di compiti in sequenza.

Prestazioni nei benchmark

Secondo i benchmark SWE-Bench Pro e Terminal-Bench 2.0, che valutano la capacità ingegneristica nello sviluppo software, Codex-Spark dimostra un'elevata performance completando i compiti in una frazione del tempo. Nella descrizione di Cerebras produce risposte più capaci di GPT-5.1-Codex-mini, impiegando molto meno tempo. Non è un modello che vuole battere i più grandi in profondità di ragionamento: punta a portare a termine rapidamente il lavoro di tutti i giorni.

Disponibilità

L'anteprima è riservata agli utenti ChatGPT Pro e si usa dall'app Codex, dalla riga di comando e dall'estensione per VS Code. L'accesso via API è aperto solo a pochi partner di progetto selezionati. OpenAI dichiara di voler raccogliere feedback durante la fase di anteprima per migliorare il modello e ampliare l'accesso.

Una partnership da seguire

Per Cerebras e OpenAI Codex-Spark è la prima uscita di una collaborazione che punta a rendere l'inferenza veloce una capacità stabile della piattaforma. Per chi sviluppa software la lezione è semplice: la velocità di risposta non è più solo un dettaglio dell'interfaccia, ma una caratteristica del modello e dell'hardware su cui gira. Seguirò con attenzione come evolverà l'accesso oltre agli abbonati Pro e ai partner selezionati, perché è lì che si vedrà se questo approccio diventerà lo standard.

Quando ha senso usarlo

Un modello rapido e leggero è adatto alle attività in cui si resta nel flusso: rinominare, estrarre una funzione, adattare un componente, chiarire un errore mentre si guarda il codice. Per le attività lunghe, che richiedono di pianificare, toccare molti file e verificare, conviene un modello più grande. Il vantaggio di avere entrambi nello stesso strumento è poter scegliere caso per caso invece di adattare il lavoro all'unico modello disponibile.

Prospettive

Con Spark OpenAI prova a costruire un ponte tra le attività di sviluppo lunghe e ambiziose e la codifica istantanea, in modo che gli sviluppatori possano affrontare sia i compiti di ampio respiro sia le operazioni quotidiane con facilità. La direzione appare chiara: ridurre la latenza fino a rendere l'assistente di codice un interlocutore da conversazione, non un servizio a cui si invia un compito e si attende il risultato.

Quanto sia davvero rivoluzionario lo dirà l'uso quotidiano, perché siamo ancora in una fase di ricerca. Se i risultati nei flussi reali confermeranno i benchmark, è plausibile che la codifica in tempo reale diventi il modo normale di lavorare con questi strumenti, e per chi sviluppa software è una prospettiva molto interessante.